软件学报

作者：乔少杰，杨国平，于泳，韩楠，覃晓，屈露露，冉黎琼，李贺

单位：乔少杰，成都信息工程大学 软件工程学院, 四川 成都 61022511,杨国平，成都信息工程大学 软件工程学院, 四川 成都 61022502,于泳，成都信息工程大学 软件工程学院, 四川 成都 610225;数字媒体艺术四川省重点实验室 (四川音乐学院), 四川 成都 61002103,韩楠，成都信息工程大学 管理学院, 四川 成都 61022504,覃晓，广西人机交互与智能决策重点实验室 (南宁师范大学), 广西 南宁 53010005,屈露露，成都信息工程大学 软件工程学院, 四川 成都 61022506,冉黎琼，成都信息工程大学 软件工程学院, 四川 成都 61022507,李贺，西安电子科技大学 计算机科学与技术学院, 陕西 西安 71007108

关键词：知识图谱;预训练语言模型;QA上下文;多头图注意力网络;联合推理

基金：国家自然科学基金(61962006);四川省科技计划(2021JDJQ0021,2022YFG0186);四川音乐学院数字媒体艺术四川省重点实验室资助项目(21DMAKL02);成都市技术创新研发项目(2021-YF05-00491-SN);成都市重大科技创新项目(2021-YF08-00156-GX);成都市“揭榜挂帅”科技项目(2021-JB00-00025-GX);成都市软科学研究项目(2021-RK00-00065-ZF,2021-RK00-00066-ZF);广西重大创新驱动项目(桂科

基于知识图谱的问答系统可以解析用户问题,已成为一种检索知识、自动回答所询问题的有效途径.知识图谱问答系统通常是利用神经程序归纳模型,将自然语言问题转化为逻辑形式,在知识图谱上执行该逻辑形式能够得到答案.然而,使用预训练语言模型和知识图谱的知识问答系统包含两个挑战:(1)给定问答(question-answering,QA)上下文,需要从大型知识图谱(knowledge graph,KG)中识别相关知识;(2)对QA上下文和KG进行联合推理.基于此,提出一种语言模型驱动的知识图谱问答推理模型QA-KGNet,将QA上下文和KG连接起来形成一个工作图,使用语言模型计算给定QA上下文节点与KG节点的关联度,并使用多头图注意力网络更新节点表示.在CommonsenseQA、OpenBookQA和MedQA-USMLE真实数据集上进行实验来评估QA-KGNet的性能,实验结果表明:QA-KGNet优于现有的基准模型,表现出优越的结构化推理能力.

来源：2023年第10期

《软件学报》期刊编辑部

查看软件学报杂志2023年第10期